INFORMATIONSPROZESSE ZUM TECHNOLOGIEDATENMANAGEMENT IN DER FERTIGUNG. der Technischen Universität Dresden. des akademischen Grades.

PRODUKTIONSAUTOMATISIERUNG

UNTER DEM EINFLUSS DER INFORMATIONSTECHNOLOGIEN

-

INTELLIGENTE INFORMATIONSPROZESSE ZUM

TECHNOLOGIEDATENMANAGEMENT IN DER FERTIGUNG

Dr.-Ing. Andreas Nestler

An

der Fakultät Maschinenwesen der Technischen Universität

^Dresden

zur

Erlangung

^des

akademischen Grades

Doktoringenieur habilitatus (Dr.-Ing. habil.)

angenommene Habilitationsschrift

Gutachter:

Prof.

Dr.-Ing. ^habil.

^Dieter

Fichtner,

^{TU Dresden}

Prof.

Dr.-Ing.

^habil.

Holger ^Dürr,

^{TU Chemnitz}

Prof.

^{Dr. Franci}

Cus,

B. Sc. Mech.

Eng.,

^{B. Sc.}

Econ., University

^{of Maribor}

Vorsitzender:

Prof.

Dr.-Ing.

habil. Volker Ulbricht

Vortrag ^und Kolloquium:

^{04. Juli}

²⁰⁰⁵

Inhaltsverzeichnis Seite I

Inhaltsverzeichnis

1 EINLEITUNG 1

2 AUSGANGSSITUATION PRODUKTION UND INFORMATION 7

2.1 Einordnung undDefinitionderProduktionsautomatisierung 7

2.2 AutomatisierungderProduktion 10

2.2.7

Produktionsprozess

^und

Automatisierung

^-

Begriffe

⁷⁷

2.2.2

Wirkungsfelder

^der

Produktionsautomatisierung

⁷⁷

2.2.3

Automatisierung produktionstechnischer Informationsprozesse

²⁴ 2.2.4

Vorgang

^{undMittel der}

Produktionsautomatisierung

^-

Aspekt

^{Software 27}

2.3 Neue Softwaretechniken^alsStrategieder Produktionsautomatisierung 29

2.3.1 Daten,

Information,

^{Wissen und}

Erfahrung

²⁹

2.3.2

Softwaretechnologien

^{für die}Produktionsinformatik 31

2.3.3

Intelligente Softwaretechnologien

³⁶

2.3.4

Informations-,

Kommunikations-und

Multimediatechnologien

³⁸

2.3.5

Agententechnologie

⁴¹

2.4 SituationdesFachgebietes Produktionsautomatisierung 43

2.4.1

Situationsanalyse

in der Lehre 43

2.4.2 Markt- und

Forschungssituation

⁴³

2.4.3

Produktionsautomatisierung

^als

Wissenschaftsdisziplin

⁴⁷

2.4.4 Ziele und

Aufgaben

^der

Produktionsautomatisierung

⁴⁹

2.4.5

Hauptinhalte

^der

Produktionsautomatisierung

⁴⁹

2.5 Handlungsbedarf ⁵¹

3 INFORMATIONEN IN DER FERTIGUNG 54

3.1 AutomatisierteFertigungsprozesse 54

3.2 ArbeitsablaufplanungundFeature-Technologie 55

3.2.7

Einordnung

^der

Fertigungsplanung

⁵⁵

3.2.2

Planung

^mit

Bearbeitungsobjekten

⁵⁶

3.2.3 Featurebasierte

Prozessplanung

⁵⁷

3.2.4

Datenintegration

⁶³

3.2.5 Datenmodellefür

Fertigungs-Feature

⁶⁴

3.3 Technologiedatenmanagement 66

3.3.1

Begriff Technologiedaten

^und

Anwendungsgebiete

⁶⁶

3.3.2

Beschaffung

^und

Aufbereitung

^von

Technologiedaten

⁶⁸

3.3.3 Methoden zur

Repräsentation

^von

Technologiedaten

⁶⁹

Seite II Inhaltsverzeichnis

3.3.4

Technologiedatenbanken

⁷²

3.3.5

Systeme

^zur

Technologiedatenverwaltung

⁷³

3.4 ErfahrungshaltigetechnologischeInformationen 74

3.4.1

Erfahrungswissen

^im

Technologiedatenbereich

⁷⁵

3.4.2

Erfahrungsdokumentation

⁷⁷

3.5 MethodenzurVerbesserungvonTechnologiedaten 77

3.5.1

Technologiedatensammlung

^und

-berechnung

⁷⁸

3.5.2

Technologiedatenrückführung

⁷⁹

3.5.3 Maschinelles Lernen von

Technologiedaten

⁸⁰

3.6 Verteiltvorliegende technologischeInformationen 81

3.6.1

Deckung

^von Informationsbedarfen 82

3.6.2 Einsatzvon

Softwareagenten

^zur

Informationslogistik

⁸²

3.6.3

Softwareagenten

für dezentralisiert

vorliegende Technologiedaten

⁸³

3.7 Handlungsbedarf 84

4 AUFGABENSTELLUNG 87

4.1 Problemstellung 87

4.2 ZieleundAufgabenstellung 88

4.3 Konzeption 89

5 ERFAHRUNGSBASIERUNG VON BEARBEITUNGSOBJEKTEN 91

5.1 Erfahrungshaltige Informationen^derBearbeitungsobjekte 91

5.1.1 Wassind

Erfahrungsgehalte

^{? 91}

5.1.2 Basisinhaltevon

Bearbeitungsobjekten

⁹²

5.1.3

Informationssystem Technologiedatenbank

⁹³

5.1.4

Problemstellung

⁹⁴

5.1.5

Zielstellung

⁹⁵

5.1.6

Vorgehen

⁹⁶

5.2 MethodezurErfahrungsbasierungvonBearbeitungsobjekten 96

5.2.1

Begriffe

⁹⁷

5.2.2 Informationsbasis für

Erfahrungsobjekte

⁹⁸

5.2.3

Synthese

technisches

Objekt

^und

Erfahrungsobjekt

⁹⁹

5.2.4

Analyse

^von

Erfahrungen

¹⁰¹

5.2.5 Detektionvon

Erfahrungsgehalten

¹⁰²

5.2.6

Erfahrungsstrukturierung

¹⁰²

5.2.7 Mediendatenzur

Erfahrungsbasierung

¹⁰⁴

5.3 Verifizierungmit praktischenBearbeitungsfällen 105

5.3.1

Erfahrungsobjekt ^„Nut

auf Freiformfläche" 106

5.3.2

Erfahrungsobjekt

„PIan fläche" 109

5.3.3

Erfahrungsobjekt

„Tasche" 110

5.4 KonzeptionmultimedialerAnwendungslösungen 111

5.4.1

Konzeption

^einer

prozeduralen GUI-Anwendung

¹¹²

5.4.2

Konzeption

^einer

objektorientierten Web-Anwendung

¹¹⁵

5.4.3

Online-Unterstützung

und Dienstezum

Erfahrungstransfer

¹¹⁷ 5.5 RealisierungimRahmeneinerTechnologiedatenbank 118

5.5.1

Pilotlösung

^TeDat-

prozedurale GUI-Anwendung

¹¹⁸

5.5.2

Pilotlösung

^JTeDat-

objektorientierte Web-Anwendung

¹²⁰

Inhaltsverzeichnis _SeiteIII

5.5.3

Gegenüberstellung

^der

Pilotlösungen

¹²⁴

5.6 Zusammenfassung 125

6 DAS LERNENVON SCHNITTWERTEN IN

KÜNSTLICHEN

NEURONALEN NETZEN 127

6.1 Vorverarbeitungvon technologischenInformationen 127

6.1.1

Problemstellung

127

6.1.2

Zielsetzung

128

6.1.3

Vorgehen

129

6.2 VoraussetzungenzurSchnittwertermittlungmitNeuronalen Netzen 130 6.2.1

Einflussgrößen

^zur

Schnittwertermittlung

und deren Datenbasen 130

6.2.2 Charakteristik

verfügbarer Datenquellen

¹³¹

6.2.3

Datensammlung

^und

ausgewähltes

Datenmaterial 134 6.3 LeitfadenzurSchnittwertvorverarbeitung mitNeuronalen Netzen 138

6.4 Problembeschreibung 139

6.5 Datenbehandlung 141

6.6

Netzgenerierung,

^{Training undTest} 141

6.6.1

Netztypen

^und-strukturen 142

6.6.2 Lernverfahren und

-parameter

¹⁴⁴

6.6.3

Trainingsvarianten

^und

Testmöglichkeiten

145

6.7 SystematikzurErmittlungverbesserterNetzarchitekturen 150

6.7.1 Intuitive Methoden 150

6.7.2 Konstruktionsmethoden ₁₅₁

6.7.3

Reihenuntersuchungen

¹⁵¹

6.7.4 Evolutionäre Methoden 152

6.7.5

Ergebnisübersicht

^zuden Methoden der

Netzstrukturierung

¹⁵²

6.7.6 Verifikationzur

Schnittwertvorhersage

^für

Bearbeitungsobjekte

¹⁵³

6.8 Applikation 154

6.9 Projektverwaltung fürneuronaleNetzanwendungen 156

6.9.1 Bedarfund

Anforderungen

^{an die}

Projektverwaltung

¹⁵⁶

6.9.2

Konzipierung

^eines

Projektverwaltungsmoduls

¹⁵⁷

6.9.3

Darstellung

^der

Lösung

¹⁵⁸

6.10 SelbstlernenvonSchnittwertenmitNeuronalen Netzen 158 6.10.1 Bedarf und

Anforderungen

^aneinen Selbstlernmechanismus 158

6.10.2

Konzeption

eines Selbstlernmoduls 159

6.10.3

Darstellung

^der

Lösung

161

6.11 Zusammenfassung 161

7 AGENTENORIENTIERTES ASSISTENZSYSTEM FÜR VERTEILTE TECHNOLOGIEDATEN163

7.1 BeschaffungundAufbereitungvonTechnologiedaten 163

7.1.1

Problemstellung

¹⁶³

7.1.2

Zielsetzung

¹⁶⁵

7.1.3

Vorgehen

¹⁶⁶

7.2 Konzeption 167

7.2.1

Systementwurf.

¹⁶⁷

7.2.2 Das

Agentensystem

¹⁷³

Seite IV Inhaltsverzeichnis

7.2.3 FunktionenzurDatenkoordination 175

7.2.4 Das Assi

Stenzsystem

¹⁷⁶

7.2.5 Funktionenzur

Datenbeschaffung

¹⁷⁷

7.2.6

STEP-NC-Interpreter.

¹⁸⁴

7.2.7 Funktionenzur

Datenaufbereitung

¹⁸⁵

7.2.8 Querschnittsfunktionen 187

7.3 Realisierungdes Prototyps agentAP 189

7.3.1 Technische

Randbedingungen

¹⁸⁹

7.3.2

Komponenten

^der

Anwendung

¹⁹⁰

7.3.3

Masteragent

^{undAssistent 191}

7.3.4

Ausgewählte Agenten

¹⁹²

7.4 Verifizierung^-SzenariozurInformationsbeschaffung 194

7.5 Übertragbarkeitaufähnliche Problemstellungen^-Reststandzeitassistent 196

7.6 Zusammenfassung 198

8 ZUSAMMENFASSUNG UND AUSBLICK 200

Anhang

Anhang

^1:

Beispiele

^zur

Erfahrungsbasierung

^von

Bearbeitungsobjekten Anhang

^2:

Ergänzungen

^zur

Anwendung

Neuronaler Netze

Anhang

^3:

Beispiel

STEP-NC-Daten für

Bearbeitungsobjekte